Deteksi Kantuk berdasarkan Sinyal EEG dengan Menggunakan Klasifikasi K-Nearest Neighbor (KNN)
| Main Authors: | Pasaribu, Novie Theresia Br., Halim, Timotius, Ratnadewi, Ratnadewi, Prijono, Agus |
|---|---|
| Format: | Proceeding PeerReviewed Book |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.maranatha.edu/27999/1/1.%20Deteksi%20Kantuk.pdf http://repository.maranatha.edu/27999/ |
Daftar Isi:
- Electroencephalography (EEG) adalah suatu pengukuran potensial yang mencerminkan aktifitas kelistrikan dari otak manusia. Aplikasi pengunaan sinyal EEG untuk mendeteksi kantuk digunakan adalah suatu upaya untuk pencegahan sedini mungkin agar kecelakaan tidak terjadi. Pada penelitian ini dirancang suatu sistem deteksi kantuk berdasarkan sinyal EEG dengan menggunakan ekstraksi ciri transformasi wavelet dan menggunakan klasifikasi K-Nearest Neighbor (KNN). Dari hasil pelatihan metode KNN, diperoleh jenis Fine KNN mempunyai tingkat akurasi tertinggi yaitu 91.3%. Dari penelitian ini diperoleh, pada pengujian percobaan Mengemudi-2 terdapat 6 orang responden yang terdeteksi kantuk, yaitu R1, R2, R5, R6, R7, R9, dan 4 orang responden yang terdeteksi tidak kantuk, yaitu R3, R4, R8 dan R10. Sedangkan pada percobaan Mengemudi-3 terdapat 5 orang responden yang terdeteksi kantuk yaitu R5, R6, R7, R9, R10 dan 5 orang yang terdeteksi tidak kantuk yaitu : R1, R2, R3, R4, dan R8.